Kapazitätsanalyse in der Fertigung meistern: Ein praktischer Leitfaden

Hersteller stehen vor einem Berg an Herausforderungen, um die Güter zu produzieren, die wir im Alltag nutzen. Jeder muss sie mit begrenzten Ressourcen bewältigen: Kapital, Fachkenntnisse, technologische Fortschritte und mehr. Manager, die diese komplexe Arena am besten orchestrieren, suchen Wege, ihre vorhandenen Werkzeuge maximal zu nutzen, indem sie die Kapazität ihres Shops verstehen. Bessere Nutzung von Fertigungsfläche, Material, Arbeit und optimierter Anlagenperformance ist kritisch, um effiziente Produktion zu treiben und höchste Profitabilität zu erzielen.

Eine Kapazitätsanalyse kann eine exzellente Lösung sein, um ein Fertigungswerk zu auditieren und zu diagnostizieren, ob versteckte Kapazität darauf wartet, freigesetzt zu werden.

Was ist Fertigungskapazität?

Ziel jedes Herstellers ist der Betrieb bei voller Kapazität. Was ist Fertigungskapazität? Kurz: Sie repräsentiert den Zustand, in dem alle Anlagen und Ressourcen eines Unternehmens bei der höchsten Betriebsrate für den erforderlichen Produktmix und -volumen der Branche genutzt werden. Das bedeutet: Alle Prozesse von Betrieb bis Wartung sind mit einem festen Ressourcenset optimiert, und es entsteht keine unnötige Stillstandzeit. Ist dieser Zustand erreicht, hat die Anlage volle Kapazität erreicht.

Viele Faktoren verkomplizieren den Weg zu diesem Ideal. Ein Werk leidet unter Verfügbarkeitsverlusten wie mechanischen Ausfällen, wo wertvolle Zeit für Reparaturen verloren geht. Oder es verliert wertvolle Kapazität durch Formatwechsel, Rüsten und Einstellen.

Fertigungskapazität kann auch durch Leistungsverluste leiden: ungeschultes oder unerfahrenes Bedienerhandeln, Stopps durch Verklemmungen, Leerlauf, Materialausgang. Diese werden oft hastig und ohne Analyse der Ursache und Prävention behoben.

Schließlich kann Fertigungskapazität durch Qualitätsverluste negativ beeinflusst werden – sowohl Prozessfehler als auch Ausschussminderung. Ursachen: unteroptimierter Workflow, menschliche Fehler, defekter Prozess. Neben Kapazitätsverlust erzeugen Qualitätsverluste zusätzlichen Abfall, der nachgearbeitet oder entsorgt werden muss – was Produktkosten erhöht.

Diese Kapazitätshindernisse werden oft als „Six Big Losses“ bezeichnet. Ihre Auswirkungen können verheerend sein. Im besten Fall löst mangelndes Kapazitätsverständnis teure Überstunden, Verschwendung, verpasste Liefertermine oder unnötige Kapitaleinsätze in Form neuer Anlagen aus, um den Verlust auszugleichen.

Was ist eine Kapazitätsanalyse?

Wenn ein Hersteller Kapazität erhöhen muss, beginnt er oft mit den oben genannten Reflexreaktionen. Doch man kann nur so viele Maschinen kaufen und so viele Schichten planen, bevor der Fokus auf Kapazitätsverbesserung nach innen wandert. Und der beste Weg, um zu identifizieren, wo Maßnahmen zur Kapazitätserhöhung ergriffen werden sollten, liegt in den Daten.

Der Prozess der Kapazitätsanalyse ist der Unterschied zwischen potenzieller Kapazität und tatsächlichem Output, den ein Unternehmen aktuell erreicht. Durch Erhebung von Produktionsdaten können Hersteller identifizieren, welcher Prozess, welche Anlage oder Funktion geändert werden muss, um Kapazität zu erhöhen. Dies ermöglicht im Wesentlichen, durch Prozessoptimierung größere Auslastung aus bestehenden Ressourcen zu treiben.

Weiterführend: Wie man Fertigungsproduktionskapazität erhöht

Wie man eine Fertigungskapazitätsanalyse durchführt

Unternehmen, die eine Kapazitätsanalyse durchführen, reduzieren Stillstände und Verschwendung. Sie können Daten schürfen, um Prozesse zu optimieren und Workflows zu straffen. So verstehen sie bestehende Constraints und treffen Echtzeit-Entscheidungen, um Probleme im Entstehen zu lösen. Da Daten diese Lösungen stützen, können Manager Verbesserungen im gesamten Betrieb treiben und Kapazität ohne zusätzliche Investition in Anlagen oder Personal erhöhen. Für Unternehmen, die ihre Fertigungskapazität verbessern wollen, hier die Schritte zur Erschließung bestehender Kapazität:

Daten benchmarken

Wenn Sie nicht wissen, wo Sie stehen, sehen Sie nicht, wohin Sie gehen. Es ist üblich, aktuelle Anlagenauslastung zu überschätzen – viele Unternehmen realisieren nicht einmal, wie niedrig die Auslastung tatsächlich ist.

Benchmarking umfasst die Bestimmung der bestehenden Kapazität. Maschinengeschwindigkeit, Qualitätsverluste, Stillstandzeiten nach Kategorien – Ausfälle, Formatwechsel, Leistungsverluste – müssen alle gemessen werden, um aktuelle Kapazität zu bestimmen. Oft ist diese Zahl schockierend. Mehrere Best Practices schaffen einen soliden, praktischen Rahmen für Benchmarking:

• Interne Meetings: Internes Kickoff-Meeting setzt Erwartungen und stellt sicher, alle sind auf derselben Seite. Das richtige Team zusammenbringen – jeder kennt das Auslastungsziel.
• Daten prüfen: Manchmal sagt der aktuell gemeldete Datensatz wenig über den tatsächlichen Maschinenstatus aus. Er zeichnet Status falsch auf, oder es handelt sich um Stückzahl, Stillstand oder anderen Parameter. Sicherstellen, dass Daten stimmen, hilft bei der Analyse, was zu tun ist.
• Daten bewerten: Hier werden ursprüngliche Annahmen mit tatsächlicher aktueller Auslastung verglichen. Es stellt einen neuen Startpunkt dar, welche Verbesserungen möglich sind.
• Planung: Durch Erstellung eines Verbesserungsplans ziehen Manager die Teile zusammen: ursprüngliche Erwartungen, datengetriebener Ist-Zustand der Kapazität, mögliche Verbesserungen.

Beispiel eines MachineMetrics Auslastungsreports – einer von vielen vorgefertigten Reports für Benchmarking.

Stillstandzeiten analysieren

Sobald ein Fertigungsbetrieb seine Daten gebenchmarkt und seine wahre Auslastung versteht, muss eine Stillstandsanalyse durchgeführt werden. Dabei wirken Manager, Techniker, Fertigungsingenieure, Bediener und andere mit, um alle Stillstandsgründe zu identifizieren und zu planen, wie sie reduziert oder eliminiert werden.

Mit den Erkenntnissen aus dem Facility-Benchmarking kann das Team die Stillstände messen, die diese Auslastung treiben. Indem beantwortet wird, wie viel Stillstand auftritt und in welche Kategorie er fällt, werden Verbesserungsschritte offensichtlicher. Am besten gelingt dies durch automatisierte Maschinendatenerfassungssoftware, die präzise, standardisierte Echtzeitdaten liefert.

Die Stillstandsanalyse muss auch die Gründe kategorisieren. Zu berücksichtigende Kategorien:

• Geplante vs. ungeplante Stillstandzeiten: Beide nehmen Maschine aus dem Betrieb, aber beide erfordern ganz unterschiedliche Ansätze zur Minimierung und Wiederinbetriebnahme.
• Menschlicher Fehler oder Bedieneraktion: In großen, komplexen Fertigungsumgebungen haben Bediener unterschiedliche Trainingslevel oder führen Aufgaben in einer Reihenfolge aus, die Effizienz mindert. Dies lässt sich oft durch Stillstandsanalyse erkennen und trenden.
• Qualitätsausschuss: Qualität ist eine breite Kategorie, die in der Stillstandsanalyse enthalten sein muss. Sie kann Einblicke in Training, Maschinenzustand, Instandhaltung, Lieferantenqualität oder sogar Umgebungsbedingungen (wärmere vs. kühlere Tage) geben.

Sind Kategorien bestimmt, können Teammitglieder in die Gründe innerhalb der Kategorie hinunterbohren. Beispiel: Viele Arten geplanter Stillstände – planmäßige Wartung, saisonale Produktion, andere.

Der MachineMetrics Downtime Pareto deckt die gravierendsten Stillstandsgründe auf – idealer Startpunkt für Prozessverbesserungen.

Genauso gibt es unzählige Gründe für ungeplante Stillstände: Material nicht rechtzeitig an der Maschine, unzureichend gewartete Anlage. Auch falsch designter Workflow, wo Material von upstream nicht bereit ist, wenn es gebraucht wird – Dominoeffekt.

Dasselbe gilt für menschlichen Fehler. Fertigung wird automatisierter, aber Arbeit bleibt nötig. Ermüdung, unzureichendes Training, fehlendes Workflow-Verständnis, defekte Prozessschritte führen zu Fehlern, die sonst nicht passieren würden.

Der beste Weg, diese Informationen zu sammeln: Automatisierung und Software. Durch intuitive, leicht zu bedienende Datenvisualisierung können Bediener ein Dashboard nutzen, um echte Daten einzugeben und deren Impact zu sehen. Genau wie der Bediener Stillstandsgründe eingibt, helfen Tools wie Pareto-Charts, die Analyse voranzutreiben. Das liefert Insights und löst oft Verbesserungsvorschläge aus.

Am Ende der Stillstandsanalyse lassen sich tatsächliche Stillstandskosten und deren Impact auf das Ergebnis bestimmen. Das identifiziert auch die „low hanging fruit“ – schnellste, einfachste Fixes mit größtem Impact auf eingesparte Dollar und gewonnene Kapazität.

Weiterführend: Wie man Maschinenstillstände trackt und analysiert

Prozessänderungen ausrollen

An diesem Punkt der Kapazitätsanalyse sind Manager mit präzisen, verifizierbaren Daten ausgestattet, die echte Veränderung treiben. Diese Änderungen können die größten Kapazitätsbeschränkungen angehen, versteckte Kapazität freisetzen, Überstunden eliminieren, Capex-Bedarf reduzieren und ein Wartungsprogramm schärfen, das im Einklang mit Rüstungen und anderen Betriebsbedingungen arbeitet – statt im Konflikt.

Es gibt viele Beispiele für signifikante Kapazitätsfresser. Hier einige, die sich bei den meisten digitalen Transformationen finden:

Erwartete Zykluszeit länger als tatsächliche Zykluszeit

Größe und Komplexität heutiger Fertigungsumgebungen können bedeuten, dass individuelle Performance unter einem Berg aus Daten, Volumen und dem Drang nach höherer Produktion begraben liegt. Wenn Daten stimmen und Stückzahlen an der Maschine präzise sind, sind Bediener für ihren Output verantwortlich – statt darunter begraben. Diese Verantwortlichkeit kann ein positives Werkzeug sein, sie zu Teil der Identifikation von Verbesserungsbereichen zu machen. Wenn Verbesserungen bei offensichtlichsten Stillständen greifen, kann weitere Optimierung der Zykluszeit initiiert werden, um den Prozess fortzusetzen – auch kleine Änderungen, die sich schnell summieren.

Qualitätsprobleme

Wie erwähnt, ist Qualität ein breites Thema, das viele Bereiche betrifft. Aber das bietet mehr Verbesserungschancen. Nicht nur die 80/20-Regel gilt für Qualität, sie wirkt auch in Subkategorien: menschlicher Fehler/Training, Lieferantenqualität, Wartungsverbesserungen, Produktdesign etc. Durch Nutzung unsiloierter, in Echtzeit analysierter Daten kann der größte Verursacher in jedem Bereich unter Verbesserungsmaßnahmen gestellt werden, für kumulativ größeren Impact auf Gesamtqualität. Wenn diese Bemühungen Wurzeln schlagen, steigt Kapazität, Qualität verbessert sich, Kosten sinken, Lieferperformance steigt.

Weiterführend: Quality Assurance in Manufacturing: Everything You Need to Know

Mit MachineMetrics sehen Sie leicht die Top-Gründe für Teileablehnung und identifizieren die Wurzel des Problems.

Anlagenausfälle

Wenige Dinge treiben Fertigungsmanager so in den Wahnsinn wie Anlagenausfälle. Oft resultieren sie aus reaktiven Wartungsprogrammen. Durch „Run-to-Failure“ oder unzureichendes Tracking des Maschinenzustands verschenken Unternehmen riesige Kapazitätsanteile als Stillstand. Doch Data Analytics und Echtzeit-Maschinenzustände bieten neue Chancen, Kapazität zu erhöhen und Kosten zu senken. Durch Verständnis von Maschinenzuständen und Einsatz von IIoT-Sensoren und -Technologie können Manager reaktive Wartung hinter sich lassen und höhere Kapazität bei geringeren Kosten treiben. Eine Deloitte-Studie zeigt: Predictive-Maintenance-Programme können Anlagenverfügbarkeit um 10–20 % steigern.

Workflow

Anlagenauslastung messen ist mehr als nur die Maschine messen. Durch Erfassen, Kontextualisieren und Analysieren von Daten können Manager einzelne Maschinen und das gesamte Anlagen-Ökosystem der Fabrik betrachten. Das führt zu Insights über Anlagenlayout, Bereitstellung, WIP und andere prozessbezogene Variablen zur Kapazitätserhöhung. Es kann auf Notwendigkeit hinweisen, einen Produktionsbereich oder eine Zelle zu reorganisieren – oder so simpel sein, wenige Maschinen um wenige Meter zu versetzen oder den Materialfluss zwischen Stationen im Workflow zu ändern.

Versteckte Kapazität freisetzen

Eine Kapazitätsanalyse gekoppelt mit fortschrittlicher Datenerfassung und Analytics hilft Unternehmen, ihren Pfad zur vollen Kapazität schneller zu finden, als die meisten denken – und führt zu einer nivellierten Produktion. Als Avalign Technologies Schwierigkeiten hatte, OEE und Stillstände zu tracken, bremsten Produktionsengpässe, unklare SOPs und andere Faktoren die Kapazität.

Mit MachineMetrics erhielt Avalign sofortige Shopfloor-Transparenz – realisierte 25–30 % OEE-Steigerung und Millionen zusätzlicher Kapazität, ohne zusätzliche Arbeit, Anlagen oder Ressourcen.

Sehen Sie die Video-Case-Study: